Beruflich Dokumente
Kultur Dokumente
El comportamiento de la variable hidrometeorolgica como la precipitacin, temperatura del aire, descargas, etc. en la naturaleza son aleatorios especialmente las variables extremas (mximas o mnimas), el medio adecuado para estudiar las variables aleatorias es a travs de la teora de probabilidades.
PROBABILIDAD
Fenmeno aleatorio Es aquel fenmeno que bajo las mismas condiciones experimentales se presentan ms de una manera o tambin se le denomina fenmeno que sucede al azar. En el lenguaje de probabilidades las palabras: fenmeno, suceso, experimento, observacin o dato son trminos que se usan indistintamente. Por ejemplo todas las variables hidrolgicas como las precipitaciones, descargas, etc. son consideradas como fenmenos o sucesos aleatorios, porque se consideran como sucesos al azar. La palabra aleatoria deriva del Latn alea lo cual significa suerte o azar. El azar hace que algunas cosas ocurran de manera fortuita e impredecible. Los fenmenos aleatorios se estudian a travs de la ley de probabilidades (posibilidades).
PROBABILIDAD
Espacio muestral
Es el conjunto de todas las ocurrencias o resultados posibles de un experimento aleatorio, se denota por S. En un experimento aleatorio no es posible predecir con anticipacin el resultado, pero si es posible conocer el conjunto de todos los resultados posibles, llamado especio muestral.
PROBABILIDAD
Eventos.
Es un subconjunto del espacio muestral, evento tambin se puede definir como la coleccin de puntos o subconjuntos en un espacio muestral que tienen caractersticas comunes. Por ejemplo un evento A puede ser la ocurrencia de una descarga mxima instantnea anual menor de del rio Querococha.
Probabilidad de un evento
Un experimento se debe describir a travs de un modelo (ecuacin matemtica), para lo cual se requiere asignar alguna medida de cuantificacin que represente la posibilidad o probabilidad de que ese evento ocurra, esta medida es la probabilidad. Si una muestra de n observaciones (datos) tiene valores en el rango del evento A, entonces la frecuencia relativa es de A es:
Solucin
En el experimento del lanzamiento de dos dados se tienen, los resultados posibles siguientes (elementos del espacio muestral), donde el primer nmero de cada par indica el nmero que aparecera en el primer dado y el segundo nmero indica el que aparecera en el segundo dado, es importante indicar que los dados son distintos o bien que se lanzan en ese orden. En este caso la variable aleatoria puede tomar cualquier valor entero entre 2 y 12 y su probabilidad est dada por el nmero de resultados posibles entre el tamao del espacio muestral, los cuales se muestran en los cuadros N3.1 y N3.2 y en las figura N3.1.
2 3
4 5 6 7 8 9 10 11 12
P(x=2)=1/36 P(x=3)=2/36
P(x=4)=3/36 P(x=5)=4/36 P(x=6)=5/36 P(x=7)=6/36 P(x=8)=5/36 P(x=9)=4/36 P(x=10)=3/36 P(x=11)=2/36 P(X=12)=1/36
VARIABLE ALEATORIA
La definicin terica de la variable aleatoria no es adecuada porque se define como una funcin sobre los elementos del espacio muestral, sin embargo se le denomina variable, esta definicin como variable aleatoria a una funcin se conserva debido a que los valores que puede tomar (variable aleatoria) dependen del resultado del experimento es decir dependen del azar.
VARIABLE ALEATORIA
Por consiguiente una variable aleatoria se puede definir como una funcin X sobre un espacio muestral que asocia un nmero real o valor a esta variable con cada elemento del espacio muestral, por tanto la variable aleatoria es una variable numrica cuyo valor no puede predecirse antes de un experimento u observacin.
Son las variables aleatorias que tienen un nmero finito o infinito contable de valores posibles (resultados del experimento), los valores de los resultados de la variable aleatoria discreta son nmeros enteros positivos 0,1,2,... Funcin discreta masa de probabilidades (FMP) Es la ley de probabilidades o la ley de distribucin de probabilidades de una variable aleatoria discreta y se representa por:
p x p X x
Distribucin acumulada discreta Esta funcin representa la probabilidad del suceso de que la variable aleatoria tome valores menores o iguales a x. En el caso de variables aleatorias discretas esta funcin es la suma de los valores de la funcin masa de probabilidades sobre los valores menores o iguales a x de la variable aleatoria X, lo cual matemticamente se representa por:
F x P X x p xi
xi x
Distribucin acumulada discreta Esta funcin representa la probabilidad del suceso de que la variable aleatoria tome valores menores o iguales a x. En el caso de variables aleatorias discretas esta funcin es la suma de los valores de la funcin masa de probabilidades sobre los valores menores o iguales a x de la variable aleatoria X, lo cual matemticamente se representa por:
F x P X x p xi
xi x
Las variables continuas aparecen cuando se hacen mediciones en una escala continua como por ejemplo las mediciones de descarga, precipitacin, etc., este tipo de variables tienen una probabilidad cero de tomar exactamente cualquiera de sus valores y su distribucin de probabilidad no se puede presentar en forma de tablas. Por tanto se trabaja con intervalos en vez de trabajar con datos puntuales como en el caso de las variables aleatorias discretas.
Esperanza matemtica
Si X es la variable aleatoria la esperanza matemtica, la media, o el valor esperado son trminos sinnimos, por consiguiente si queremos hallar la esperanza matemtica de una variable aleatoria en la prctica estamos hallando el promedio de la variable aleatoria (en el eje x) y como la variable aleatoria se describe mediante las distribuciones de probabilidad la esperanza matemtica se halla o se estima a partir de las funciones de distribucin que son funcin masa discreta de probabilidades o funcin de densidad de probabilidades, dependiendo del tipo de variable aleatoria si es discreto o continuo.
Son las esperanzas matemticas de una variable aleatoria, las distribuciones de la variable aleatoria representan ecuaciones o modelos que relacionan la funcin de densidad de probabilidades o la funcin discreta masa de probabilidades con la variable aleatoria, cualquiera de estas ecuaciones o modelos o distribuciones de probabilidad es graficada en un eje de coordenadas, trazando en el eje ordenadas o y en el eje de abscisas el valor de la variable aleatoria
El modelo probabilstico explica el comportamiento del espacio muestral y a cada uno de los resultados (eventos) se asocia con una probabilidad de ocurrencia, mediante el uso de funciones de probabilidad (funcin masa de probabilidades o funcin de densidad de probabilidades). Existen dos tipos de modelos de probabilidad: modelos probabilsticas discretos y modelos probabilsticas continuos.
Los modelos probabilsticos comnmente usados en la hidrologa son: normal, logartmico normal, exponencial, Gamma, Pearson III y Gumbel.
IV
BERNOULLI
BINOMIAL
GEOMETRICA
BINOMIAL NEGATIVA
P0ISSON
P x 0 1 p
IV
NORMAL
LOGNORMAL
EXPONENCIAL
GAMMA
PEARSON III
GUMBEL
Distribucin normal
0.50
0.40
0.30
f(x)
0.20
0.10
0.00 -5 -4 -3 -2 -1 0 1 2 3 4 5
Mtodo de momentos
Este mtodo est basado en la consideracin de que los momentos de la muestra (datos) son buenos estimadores de los momentos de la poblacin. Como se ha indicado el comportamiento casustico de la poblacin se explica mediante los modelos de probabilidad que son la funcin masa de probabilidad o funcin densidad de probabilidades
Mtodo de momentos
Mtodo de momentos
Mtodo de momentos
Mtodo de momentos
Mtodo de momentos
El nmero de parmetros a estimar por el mtodo de momentos depende del nmero de parmetros del modelo probabilstico, es decir para estimar los parmetros se forman un sistema de ecuaciones igualando los momentos del modelo probabilstico respectivo con los estimadores calculados de la muestra. El nmero de ecuaciones es igual al nmero de parmetros del modelo.
Segn los estadsticos es uno de los mejores mtodos para estimar el parmetro puntual, por esta razn se le llama el mtodo de mxima credibilidad o de mxima verosimilitud
(5) 0 0.10
(6) 0 3
(7) 0 0.10
fe EMPRIRICO 0 0.076
6.02
7.38 8.74 10.10 11.46
7.00
7.00 8.00 4.00 0.00
0.24
0.24 0.28 0.14 0.00
10
17 25 29
0.34
0.59 0.86 1.00
0.177
0.177 0.203 0.101 0.000
0.145
0.220 0.187 0.089 0.024
0.059
0.050 0.042 0.035 0.029
0.25
0.2
FUNCIONES DE DENSIDAD
0.15
fe EMPRIRICO f(x) NORMAL f(x) EXPONENCIAL
0.1
0.05
0
0 2 4 6 8 10
DESCARGAS /M3/SEG)
12
Distribucin chi-cuadrado